22.6预测的多样性
如果硅芯片足以起到水晶球的作用，引导一场超级军事战争，如果那些在小型电脑里快速运行的算法足以提供预测技术看透股票市场，那么，我们为什么不改装一台超级计算机，用它来预测世界其他国家呢？如果人类社会只是一个由各种人和机器组成的大型分布式系统，为什么不装配一个能够预测其未来的设备呢？
即使对过去的预测做一点浮皮潦草的研究，也能看出这到底是为什么。总的来说，过去那些传统的预测还不如随机的猜测。那些陈年的典籍如坟场一样，埋葬着各种对未来的预言----从来没有实现过的预言。虽然也有些预言击中了靶心，但是，我们没有办法预先把罕有的正确预言和大量的错误预言区分开来。由于预测如此频繁地出错，而相信错误的预测又如此诱人，如此令人迷惑，所以有些未来学家原则上完全回避作出任何预测。为了强调试图预言无可救药的不可靠性，这些未来学家宁愿蓄意夸张地陈述他们的偏见："所有的预测都是错误的。"
他们说得也有一定的道理。被证实为正确的长期预测显得如此之少，因此以统计的眼光看来，满眼都是错。而根据同样的统计计量，正确的短期预测是如此之多，因此所有的短期预测都是对的。
对于复杂系统最有把握的说法，莫过于说它下一刻跟这一刻完全一样。这个观察接近于真理。系统是持之以恒的东西；因此，它只是从此刻到彼刻不断重复的过程。一个系统，甚至一个有生命的东西，都少有变化。一棵橡树，一个邮局，还有我的苹果电脑，从某一天运行到第二天，几乎没有丝毫变化。我可以轻松地保证对复杂系统作出一个短期的预测：它们明天会跟今天差不多。
还有一个老生常谈的说法同样正确：从某一天到第二天，事情偶尔也会发生一点变化。可是，能预测到这些即刻发生的变化吗？如果能的话，我们是否可以把这一系列可预测的短期变化积攒起来，勾勒出一种可能的中期趋势？
可以。尽管基本上长期预测还是不可能，但是对于复杂系统来说，短期预测不仅可能，而且必要。而且，有些类型的中期预测完全可行，并且越来越可行。尽管对当下的行为做一些可靠的预测，会有爱丽丝漫游奇境式的离奇感觉，但是人类在社会、经济和技术各种方面的预测能力，会有稳步的增长。至于为什么，我在下面会说。
我们现在拥有预测许多社会现象的技术，前提是我们能够在合适的时机抓住它们。我奉行席奥多·莫迪斯1992年的著作《预测》（predictions）对预测的功用和可信性情况的精确总结。莫迪斯提出了在人类互动的更大网络中建立有序性的三种类型。每一种都在特定的时间构成了一个可预测性范围。他把这一研究应用到经济学、社会基础设施和技术领域之中，而我相信，他的发现同样适用于有机系统。莫迪斯的三个范围是：不变量、成长曲线和循环波。
不变量。对所有优化其行为的有机体来说，自然的、无意识的趋势逐渐向其行为中注入了随时间推移极少变化的"不变量"。尤其人类，是最有资格的优化者。一天有24个小时是一个绝对的不变量，那么一般而言，
人生几十年，虽然其间隔、所完成的事业不尽相同，但是很明显，人类都趋向把一定量的时间用来干这些琐事：烹饪、旅行、打扫卫生。如果把新的行为（比如，乘坐0201483408航班，而不是步行）纳入基本维度（比如，每天奔波要花多长时间），就会看到，这种新行为的模式持续展现的是原有行为的模式，同样可以预测（或预言）它的未来。换句话说，你以前是每天走半个小时路去上班，现在则是开半个小时车去上班。而在未来，也许你会飞半个小时去上班。市场苛求效率的压力如此冷酷，如此无情，致使它必然将各种人造系统推向最优化这单一的（可预测）方向。追踪一个不变量的优化点，往往会提醒我们注意到一个规则的可预测性范围。比如说，机械效率的提高是非常缓慢的。到现在为止，还没有一种机械系统的效率能够超过50%。设计一个运行效率达到45%的系统是可能的，而要设计一个效率达到55%的系统，就不可能。因此，我们可以对燃料效率做一个可靠的短期预测。
成长曲线。一个系统越大、层次越多、越是去中心化，那么它在有机成长方面取得的进展也就越多。所有成长的东西，都拥有几个共同的特点。其中一个，就是形状为s形曲线的生命周期：缓慢地诞生、迅速地成长、缓慢地衰败。全球范围内每年的汽车产量，或者莫扎特一生中创作的交响乐，都相当精确地符合这种s形曲线。"s形曲线所具有的预测能力，既非魔法，也非无用，"莫迪斯写道，"在s形曲线那优雅的形状下面，隐藏着一个事实，即自然的生长过程遵循着一种严格的定律。"这个定律说明，结局的形态与开端的形态相对称。这个定律以数千生物学的历史，以及形成制度的生命历史的经验观测值为基础。这个定律还与以钟形曲线表述的复杂事物的自然分布有着密切的联系。成长对初始条件极度敏感；然而成长曲线上的初始数据点几乎毫无意义。不过，一旦某个现象在曲线上形成不可遏止的趋势，有关它的历史的数字快照就会形成，并在预测这个现象的最终的极限和消亡方面起颠覆性的作用。人们可以从这条曲线中抽取它与竞争系统的一个交界点，或者一个"上限"，以及这个上限必然水平拉开的数据。并不是每个系统的生命周期都呈现光滑的s形曲线；但是，符合这个曲线的系统无论种类或者数量都相当可观。莫迪斯认为，服从这一生长定律的东西比我们设想的要多。如果我们在恰当的时机（其生长过程的中期）检验此类生长系统，这种由s形曲线定律概括的局部有序状态的出现，就为我们提供了另外一个可预测性范围。
循环波。系统明显的复杂行为，部分地反映了系统环境的复杂结构，这是赫伯特·西蒙在大约30年前指出的。当时，他利用一只蚂蚁在地面的运动轨迹作为例证。一只蚂蚁歪来扭去地穿过土地的线路，反映出的并不是蚂蚁自己复杂的移动，而是它所处环境的复杂结构。按照莫迪斯的说法，自然界的循环现象能给运行其间的系统注入循环偏好。莫迪斯曾经为经济学家康德拉基耶夫所发现的56年经济周期所吸引。而且，除了康德拉基耶夫发现的这个经济波，莫迪斯还补充了两个类似的周期，一个是他自己提出的科学发展中的56年周期，另一个是阿诺夫·古儒柏研究的基础设施更换的56年周期。其他作者已经提出了各种假说来说明这些明显波动原因，有人认为它来自于56年的月亮运动周期，或者是第5个以11年为周期的太阳黑子周期，甚至还有人将其归结为人类隔代周期----因为每个28年期的代群都会偏离其父辈的工作成果。莫迪斯辩称，本初的环境周期引发了许多尾随而来的次生和再生的内部循环。研究者只要发现了这些循环的任何片段，就可以利用它们来预测行为的范围。
上述三种预测模式表明，在系统提高了能见度的某些特定时刻，秩序的无形模式对关注者来说会变得清晰起来。这就好像下一个鼓点，几乎可以预先听到它将要发出的声音。不一会儿，干扰把它搅浑覆盖了，那种模式就消逝了。可预测性范围也有大惊喜。不过，局部的可预测性确实指向一些可改进、可深化，也可延长为更大东西的方法。
尽管成功进行大型预测的几率非常之小，但是，试图从过去的股票市场价格中析取长波模式的业余和专职的金融图表分析师并不因此气馁。对于图表分析师来说，任何一种外在的周期性行为都是可以猎取的猎物：裙裾的长度，总统的年龄、鸡蛋的价格。图表分析师永远都在追逐神话般预测股价趋势的"领先指标"，用来作为下注的数值。多年来，图表分析师一直因为采用这种说不清道不明的数字逻辑方法而受到嘲笑。不过，最近一些年来，一些专业学者，比如理查德·斯威尼和布莱克·勒巴朗却说明图表分析师的方法往往切实可行。图表分析师的技术准则可以简单到令人乍舌："如果市场保持上涨趋势有一段时间了，就赌它还会继续上涨。如果它处在一个下跌的趋势，就赌它还会继续下跌。"这样的一种准则，就把一个复杂市场的高维度简化为这样简单的两部式规则的低维度。一般来说，这种进行模式寻找的办法行之有效。这种"涨就一直涨，跌就一直跌"的模式，要比随机的碰运气运作得好，因此也比普通投资者的炒作要强得多。既然对于一个系统来说，最可预测的事情就是它的停滞，那么，这种有序模式的出现并不是出乎意外----尽管它真的令人惊讶。
和图表分析主义相反，另外一些金融预测人员依靠市场的"基本面"预测市场。这些被称为基本面分析师的人们试图理解复杂现象中的驱动力量、潜在动力以及基本条件。简单来说，他们要找的是一个理论：f=ma。
另一方面，图表分析师是从数据中寻找模式，并不关心自己是否明白这个模式存在的理由。如果宇宙中确实存在着有序，那么所有的复杂性的有序，其未来路径都会（至少是暂时地）在某处以某种方式揭示出来。人们仅仅需要了解可以把什么信号当作噪音而忽视。图表分析师按照多恩·法默的方式进行组织归纳。法默自己也承认，他和他那些预测公司的同事是"统计意义上的严格的图表分析师"。
再过50年，计算机化的归纳法、基于算法的图表分析以及可预测性范围，将会成为值得尊敬的人类事业。股票市场的预测则仍然是一件古怪的事情，因为与其他系统相比，股票市场更多的是建立在预期之上的。在一个靠预期取胜的游戏中，如果所有人都分享这个预测的话，准确的预测就不会提供赚钱的机会。预测公司真正能够拥有的，只不过是时间上的领先。只要法默的团队开发某个预测性范围挣到了大钱，那么其他人都会冲进来，多少模糊了模式，大多数情况下，会把挣钱的机会拉平。在一个股票市场中，成功会激发起强烈的、自我取消的反馈流。在其他系统中，比如说成长性网络，或者一家正在扩张的公司，预测反馈不会自我取消。通常来说，反馈是自我管理型的。
22.7以万变求不变
最早的控制论学者，诺伯特·维纳，曾经殚精竭虑地要说明反馈控制的巨大力量。他当时脑子里想的就是简单的冲水马桶型的反馈。他注意到，不断地一点点地把系统刚刚实现的微弱的信息（"水平面还在下降"）注入系统，在某种意义上引领了整个系统。维纳总结说，这种力量，是时间平移的一项功能。在1954年，他这样写道："反馈是控制系统的一种方式，它把系统过去的运行结果重新输入系统，从而完成对系统的控制。"
感知现实的传感器里没有悬念。除了此时此地，还需要知道什么与现在有关的别的东西吗？显然，关注当前对系统来说是值得的，因为它几乎没有什么别的选择。可是，为什么还要在已经过去的和无法改变的东西上消耗资源呢？为什么要为了当下的控制而袭扰过去呢？
一个系统----不管是有机体、企业、公司、还是计算机程序，之所以花费精力把过去发生的事情反馈到现在，是因为这是系统在应对未来时比较经济的做法。因为，要想预见未来，你就必须了解过去。沿着反馈回路不断冲击的过去，给未来提供信息，并控制着未来。
不过，对于一个系统来说，时间平移还有另一条通往未来的途径。身体中的感觉器官，那些能够拾得几英里之外的声波和光波信息的感觉器官，其功能有如对当下进行衡量的仪表，而且更像是对未来进行衡量的量具。地理位置遥远的事件，从实用的角度来说，是来自未来的事件。一个正在靠近的捕猎者的图像，现在就变成了关于未来的信息。而远处的一声咆哮，则很快就变成一只扑到跟前的动物；闻到一股盐味，表明潮汐马上要变化。所以说，一个动物的眼睛就是把发生在时/空远处的信息"前馈"到位于此处/现在的身体中。
有些哲学家认为，生命能够起源于一个笼罩着空气和水这两种介质的行星上并不是一件偶然的事情，因为水和空气，在绝大多数光谱下都具有令人惊讶的透明度。清洁、透明的环境，使得器官能够接收来自"远处"（未来）的含有丰富数据的信号，并对来自有机体的信号进行预处理。因此，眼睛、耳朵和鼻子都是能够窥视时间的预测机制。
根据这个概念，完全浑浊的水和空气可能会通过阻止远处事件的信息传至现在而抑制预测机制的发展。生存在浑浊世界中的有机体，无论是在空间上还是在时间上，都会受到束缚；它们会缺乏空间去发展适应性反应。而适应，就其核心而言，要求对未来感知。在一个变化的环境中，不管这环境是浑浊还是清澈，能够预测未来的系统都更可能存续下去。迈克尔·康拉德写道："归根结底，适应性，就是利用信息来应付环境的不确定性。"格雷戈里·贝特森则用电报文体简洁地说："适应就是以万变求不变。"一个系统（根据定义是不变的）适应（变化）的目的就是为了存续（不变）。火烈鸟改变自己就是为了继续生存。
如此来说，那些被卡在当下动弹不得的系统，更常受到变化的奇袭而死去。因此，一个透明的环境，会奖励预测机制的进化，因为预测机制把生命力赋予复杂性。复杂系统之所以能够存活下来，因为它们具有进行预测的能力，而一种透明的介质，则能够帮助它们进行预测。相反，浑浊却会完全阻碍复杂的活系统的预测、适应以及进化。
22.8系统存在的目的就是揭示未来
后现代人类在成形的第三种透明介质中畅游。即每一种现实都能够数字化；即人类每一次集群活动的测量都可以通过网络传输；即每个个体生命的生活轨迹都可以变形为数字，并且通过线路发送。这个联网的行星，已经变成了比特的洪流，在玻璃纤维、数据库和各种输入设备组成的清澈壳体里流动。
数据一旦流动，就创造出透明。社会一旦联网，就可以了解自己。预测公司的那些火箭科学家，能够比老派的图表分析师获利更多，那是因为他们工作在一个更为透明的介质里。网络化金融机构抛出的数以十亿计的数字信息凝结为一种透明的氛围，预测公司据此侦测出那些正在演变中的模式。流经他们工作站的数据之云，形成了一种清澈的数据世界供他们仔细探查。从这清新空气的某些片段他们能够预见未来。
与此同时，各种工厂大批生产摄像机、录音机、硬盘、文本扫描仪、电子表格、调制解调器和卫星电视天线信号接收器。这些东西分别是眼睛、耳朵或者神经元。它们连接起来，就形成了一个由数十亿个裂片组成的感觉器官，漂浮在飞速运行的数字组成的清澈介质之中。这个组织的作用是把那些来自远处肢体的信息"前馈"到这个电子身体中。美国中央司令部那些战争博弈者可以利用科威特的数字化地形、实时传输的卫星图像以及通过全球定位信息进行定位的（无论在地球的哪个位置，误差范围在50英尺之内）手持传送器分段传送过来的报告预测----通过集体心智的眼睛去了解----即将到来的战斗过程。
归根结底，揭示未来不仅仅是人类的向往，也是任何有机体，也许还是任何复杂系统所拥有的基本性质。有机体存在的目的就是揭示未来。
我给复杂系统的工作定义是一个"跟自己对话的东西"。也许有人会问，那么：复杂系统跟自己说些什么呢？我的回答是：它们给自己讲未来的故事，讲接下来也许会发生的故事----无论这个"接下来"是以纳秒还是以年计算。
22.9全球模型的诸多问题
20世纪70年代，在讲述了数千年关于地球的过去、关于天地万物的传说故事之后，地球行星上的居民开始讲述第一个关于未来可能发生的故事。当时的高速通讯，第一次为他们展示了自己家园全面的实时视图。来自太空的图像非常迷人----黑色的远景里优美地着悬挂一个云蒸霞蔚的蔚蓝色球体。而地面上正在发生的故事就没那么可爱了。地球每一个象限发回来的报告，都在说地球正在分解。
太空中的微型照相机带回了地球的全貌照片，惊艳绝伦，用老式的辞意表达，是既令人振奋又令人恐惧。这些照相机，连同由每个国家涌出的大量的地面数据，组成了一面分布式的镜子，反映了整个地球系统的画面。整个生物圈越来越透明。地球系统开始预测未来----像所有系统都会做的那样，希望知道接下来（比如说，在下一个20年里）可能发生什么事情。
从环球外膜收集的数据中，我们获得了第一印象----我们的地球受伤了。没有一种静态的世界地图能查证（或者反驳）这个景象。也没有一个地球仪能够列示随着时间推移而起落的污染和人口图表，或者破译出一个因素与另一个因素之间的那种相互关联的影响。也没有任何一种来自太空的影片能够诠释这个问题，继续下去会怎样？我们需要一种全球预测装置，一个全球假设分析的数据表。
在麻省理工学院的计算机实验室里，一位谦逊的工程师拼凑了第一份全球电子数据表。杰伊·福瑞斯特从1939年开始就涉猎反馈回路，改良转向装置的伺服机制。福瑞斯特和他在麻省理工学院的同事诺伯特·维纳一起，沿着伺服机制的逻辑路径直到计算机的诞生。在为发明数字计算机提供帮助的同时，他还把第一台具有计算能力的机器应用于典型工程技术理念之外的领域。他建立了各种能够辅助公司管理和制造流程的计算机模型。这些公司模型的有效性，激发了福瑞斯特新的灵感。他在波士顿一位前市长的帮助下，建立了一个城市模型，模拟整个城市。他凭借自己的直觉，非常正确地意识到级联反馈回路----虽然用纸笔不可能进行追踪，但是计算机却能轻而易举地追踪----是接近财富、人口和资源之间互相影响的网络的唯一途径。那么为什么不能模拟整个世界呢？
1970年，在瑞士参加了有关"人类处境"的会议之后，福瑞斯特坐在返程的飞机上，开始草拟第一个公式，一个将会形成他称之为"世界动态"模型的公式。
粗糙不说，而且是份草图。福瑞斯特的粗糙模型反映出明显的回路和力量，他的直觉感到是它们统治着大型经济体。至于数据，只要现成，他都抓过来用来做快速估计。罗马俱乐部，资助了那次会议的集团，来到麻省理工学院，对福瑞斯特拼凑起来的这个原型进行评估。他们受到眼前所看到东西的鼓励。于是，他们从大众汽车基金会筹到资金聘请福瑞斯特的伙伴丹尼斯·梅多斯对这个模型做下一步的工作，继续完善它。在1970年剩下的时间里，福瑞斯特和梅多斯共同改进"世界动态"模型，设计更为周密的流程回路，并满世界地淘选最近的数据。
丹尼斯·梅多斯和他的妻子丹娜，还有另外两个合著者，一起发布了一个功力增强了的模型，里面存满了真实的数据，名为"增长的极限"。作为第一个全球电子数据表，这一模拟获得了巨大的成功。有史以来第一次，整个地球的生命系统、地球资源，以及人类文化，都被提炼出来，形成一个模拟系统，并任其漫游至未来。"增长的极限"模拟系统作为全球警报器，也是非常成功的。它的作者们用这样的结论提醒全世界：人类现有路径的每一次扩张，几乎都会导致文明的崩溃。
"增长的极限"模型得出的结果发表后的许多年里，在全世界范围内激发的社论、政策辨论和报纸文章成千上万。一幅大字标题惊呼："计算机预测未来令人不寒而栗。"这个模型的发现要点是："如果当前的世界在人口、工业化、污染、食品生产以及资源消耗方面的增长趋势保持不变的话，那么这个星球将会在接下来的100年之内的某个时刻达到其增长极限。"模型的制造者们曾经以数百种差别细微的情景进行了数百次的模拟。但是，无论他们如何进行权衡，几乎所有的模拟都预测到人口和生活水平要么逐渐萎缩，要么迅速膨胀然后立刻破灭。
这个模型极具争议性，而且受到极大的关注，主要是因为其中蕴含着显著清晰又令人讨厌的政策意义。不过，它永久性地把有关资源和人类活动的讨论提升到了必要的全球范围。"增长的极限"模型的并没有成功的孕育出其他更好的预测模型，而这恰恰是它的作者们希望做到的。相反，在其间的20年里，世界模型都受到怀疑，主要是因为"增长的极限"引发的种种争议。具有反讽意味的是，在（20年后的）今天，公众唯一看得见的世界模型，仍然是"增长的极限"。在模型发布20周年纪念日的时候，作者们只略做改动又重新发布了这个模型。
重新发布的"增长的极限"模型，运行在一个被称为stella的软件程序上。stella采用由杰伊·福瑞斯特在大型计算机上制订出的动态系统方法，再把它移植到苹果电脑的可视化界面上。"增长的极限"模型是一张用各种"库存"与"流"编结而成、给人深刻印象的网。库存（货币、石油、食物、资本诸如此类）流入某些特定的节点（代表一般进程，比如说耕种），在那里引发其他库存的流出。举例来说，货币、土地、肥料以及劳动力流入农场之后，就会引流出未加工的食物。而食物、石油和其他一些库存流入工厂则生产出肥料，从而完成一个反馈回路。由回路、次级回路和交叉回路组成的意大利面似的迷宫构成了完整的世界。每个回路对其他回路的影响都是可以调整的，而且视现实世界中的数据比率而定。比如，每公斤肥料、每公斤水，能在一公顷的田里生产出多少粮食，又会产生多少污染和废料。确实，在所有的复杂系统里，单一调整所产生的影响都无法事先估量；必须让它在整个系统中展现出来之后，才能进行测度。
活系统必须为存活而预期。可是，预测机制的复杂性绝不能盖过活系统本身。我们可以详细地考查"增长的极限"模型，以此作为预测机制固有困难的实例。选择这个特殊的模型有四个理由。首先，它的重新发布要求把它（重新）看做人类的预测努力可以依赖的预测装置。其次，这个模型提供了方便的20年期进行评估。它20年前侦测到的那些模式是否仍占有优势？第三，"增长的极限"模型的优点之一在于它是可以评论的。它生成的是可以量化的结果，而不是含糊其辞的描述。也就是说，它是可以检验的。第四，为地球上人类生活的未来建立模型是最野心勃勃的目标。无论成功还是失败，如此杰出的尝试都会教给我们如何运用模型预测极其复杂的适应系统。人确实要反躬自问：到底有没有信心模拟或预测像世界这样一种看起来完全不可预测的进程？反馈驱动的模型能够成为复杂现象的可靠预报器吗？
"增长的极限"模型有很多可抨击的地方。其中包括：它并非极度复杂；它塞满了反馈回路；它演练情景。但是，我从模型里还发现有如下弱点：
有限的总体情景。"增长的极限"与其说是在探索各种真实存在的多样性的可能的未来，倒不如说它不过是在一组颇为有限的假设上演绎大量微小的变化。它所探查的那些"可能的未来"，绝大多数似乎都只是在它那些作者们那里才说得通。20年前建立模型的时候，作者们觉得有限的资源会枯竭是个合理的假设，他们就把那些没有建立在这个假设基础上的情景忽略掉了。但是，资源（比如稀有金属、石油或者肥料）并没有减少。任何一种真正的预测模型，都必须具备能够产生"想象不到"的情景的能力。一个系统在可能性的空间要有充分的活动余地，可以游荡到出乎我们意料之外的地方，这很重要。说它是一门艺术，是因为模型拥有了太多的自由度，就变得不可驾驭了，而把它拘束得太紧，它就变得不可靠了。
错误的假设。甚至最好的模型，也会因为错误的前提而误入歧途。就"增长的极限"来说，它的一个关键性的原始假设，就是认为世界只容纳了可供250年使用的不可再生资源，而且对于这种资源的需求在迅猛发展。20年过后，我们已经知道这两个假设全都是错误的。石油和矿物的储量增加了，而它们的价格却没有增加；同时，对某些原材料的需求，比如铜，并未呈指数增长。1992年重新发布这一模型的时候，作者对这些假设做了修改。现在的基础假设是污染必然会随着发展而增加。如果以过去的20年作为指南的话，我能想象，这样的一条假设，在未来的20年中，也需要修正。这种基本性的"调整"必须要做，因为"增长的极限"模型需要它......
没有为学习留下余地。一批早期的批评者曾经开玩笑说，他们用"增长的极限"模型模拟1800～1900年这段时间，结果发现"街上堆了一层有20英尺高的马粪"。因为当时的社会，使用马来进行运输的比例正在增长，所以这是一个逻辑外推。那些半开玩笑半当真的批评者认为，"增长的极限"模型没有提供技术学习、效率提高，以及人类行为自律能力、改革发明能力的规则。
这个模型内里连接着某种类型的适应。当危机发生的时候（比如污染增加了），资本资产就会转过来处理危机（于是污染的生成系数就降低了）。可是，这种学习既非分散的，也不是终端开放的。事实上，这两种类型建模都不容易。本书其他地方提到的很多研究都是有关在人造环境或自然环境中实现分布式学习和终端开放式增长的开拓性努力。而如果没有这种分散的、终端开放的学习，要不了多少日子，真实的世界就可以胜过模型。
现实生活中，印度、非洲、中国以及南美的人口并没有按照"增长的极限"模型的假设性规划来改变他们的行为。而他们之所以适应，是因为他们自有的即时的学习周期。比如，全球出生率的下降速度快得超过了任何人的预测，使得"增长的极限"这个模型（和绝大多数其他预测一样）措手不及。这是否归因于"增长的极限"之类的世界末日的预言的影响呢？更为合情理的机制是，受过教育的妇女生育的子女少，过得也越好，而人们会仿效过得好的人。而她们并不知道，也不关心全球的增长极限。政府的种种激励促进了这些本来就已经出现的局部动态的发展。无论什么地方的人总是为了自己的直接利益而行动和学习。这也适用于其他方面的功能，比如作物的生产力、耕地、交通等。在"增长的极限"模型中，这些波动数值的假设都是固定的，但是在现实生活中，这些假设本身就拥有共同进化的机制，会随着时间的变化而变化。关键在于，必须把学习作为一种内在的回路植入模型。除了这些数值，模拟中或者说想要预测活系统的任何模拟中，假设的确切构造必须具备很强的适应性。
世界平均化。"增长的极限"模型把世界上的污染、人口构成以及资源的占有统统看作是划一的。这种均质化的处理方式简化了世界，使足以稳妥地给它建模。但是，因为地球的局部性和区域划分是它最显著和最重要的特性，这样做的结果最终破坏了模型存在的目的。还有，源自各不相同的局部动态的动态层级，形成了地球的一些重要现象。建立"增长的极限"模型的人，意识到了次级回路的力量----事实上，这正是福瑞斯特支撑这个软件的系统动力学的主要优点。可是，这个模型却完全忽略了对于世界来说极为重要的次级回路：地理。一个没有地理的全球模型.......根本不是这个世界。在整个模拟中，不仅学习必须是分布式的，而且所有的功能都必须是分布式的。这个模型最大的失败，就在于它没有反映出地球生命所具有的这种分布式的本性----群集本性。
任何终端开放的增长都不能模仿。我曾经问过丹娜·梅多斯，当他们在以1600年，甚至1800年为起点运行这个模型的时候，得到了什么结果，她回答道，他们从来没有这样运行过这个模型。我当时非常吃惊，因为返溯实际上是对各种预测模型进行实际检验的标准方法。"增长的极限"这个模型的建造者们怀疑，如果进行这样的模拟的话，这个模型会产生出与事实不符的结果。这应该成为一种警报。从1600年开始，这个世界就已经进入了长期的增长。而如果一个世界模型是可靠的，那么它就应该能够模拟出4个世纪以来的增长状况----至少作为历史来进行模拟。说到底，如果我们要相信"增长的极限"这个模型对于未来的增长确实是有话可说，那么，这个模拟就必须，至少从原则上说，能够通过对几个过渡期的模拟生成长期的增长。而就它现在的情况而言，"增长的极限"所能够证明的，充其量也就是模拟出一个崩溃的世纪而已。
"我们的模型异常'强健'，"梅多斯告诉我，"你得千方百计来阻止它的崩溃.......总是有相同的行为和基本动态出现：过火和崩溃。"依靠这种模型来对社会的未来进行预测，是相当危险的。系统的所有初始参数迅速向着终点汇聚，可历史却告诉我们，人类社会是一种显示出非凡的持续膨胀的系统。
两年前，我曾经用了一个晚上的时间，跟肯·卡拉科迪西乌斯聊天。他是一个程序员，正在建造一个生态和进化的微型世界。这个微型世界（最后变成了simlife这款游戏）为那些扮演神的角色的玩家提供了工具，他们用这些工具可以创造出32种虚拟动物和32种虚拟植物。这些虚拟的动植物相互影响、相互竞争、相互捕食，然后进化。"你让你的世界最长运行了多长时间？"我问他。"唉，"他感叹道，"只有一天。你知道，要保证这种复杂的世界不断运行下去确实是一件困难的事情。它们确实喜欢崩溃。"
"增长的极限"里面的那些情景之所以会崩溃，是因为"增长的极限"这个仿真模型善于崩溃。在这个模型里，几乎每一个初始条件都要么会导致大灾难，要么导致某种（极少情况下）稳定状态----但是从来不会产生任何新的结构，因为这个模型天生不能产生某种终端开放的增长。"增长的极限"没有能力模拟出农耕时代进入工业社会的自然发展过程。梅多斯承认："它也不可能把这个世界从工业革命带向任何一种接下来会出现的、超越工业革命的阶段。"她解释说："这个模型所展示出来的，是工业革命的逻辑撞到了无可避免的限制墙。这个模型有两件事情好做，要么开始崩溃，要么，由我们作为模型的建立者对它进行干预、做出改变来挽救它。"
我："不能搞一个更好的拥有自身转换能力、可以自动转换到另一个层级的世界模型吗？"
丹娜·梅多斯："当我想到，这种结局是系统设计好让它发生的，而我们只是这么往后一靠然后作壁上观，就觉得有点宿命的感觉。但相反，我们在建立模型的时候，实际上把自己也放在里面。人类的智能进入到这个模型之中，去感知整个形势，然后在人类的社会结构里做出改变。这就反映了在我们脑中出现的系统如何升华到下一个阶段的图景----利用智能介入并重建系统。"
这是拯救世界的模型，可是，它对一个不断复杂化的世界如何运转的建模不适当。梅多斯是对的，走了一条采用智能来插手把它人文化并改变它的结构的路子。不过，这个工作不只是由模型的建立者来完成，也不只是发生在文化的起始点。这个结构的重建发生在全球60亿个大脑里，是每天发生、每个时代都发生的事情。如果说确实存在着去中心化的进化系统的话，那么人类的文化就是这样一种系统。任何不能包容这种每日在数十亿头脑中进行的分布式微型进化的预测模型，都注定会崩溃，如果没有这样的进化，文化本身也会崩溃。
20年后，"增长的极限"模拟模型所需要的就不仅仅是更新换代了，它需要完全重做。利用它的最好方式，是把它看成一个挑战，是建立更好的模型的一个新起点。一个真正的全球社会的预测模型，应该满足下面这些条件：
◎能够大量运行各式各样的情景，
◎从一些更灵活、更有根据的假设开始，
◎实施分布式学习，
◎包含局部性和地区性的差异，
◎如果可能的话，展现不断增长的复杂性。
我之所以不把焦点放在"增长的极限"世界模型上，是因为我想指摘它那些强有力的政治内涵（毕竟，它的第一个版本激发了一代反增长的激进主义分子）。确切地说，这个模型所具有的种种不充分性，恰好跟我想在本书提出的几个核心论点相对应。为了把这个系统的某段情景"前馈"到未来，福瑞斯特和梅多斯勇敢地尝试模拟一个极端复杂的、具有适应性的系统（在地球上生活的人类的基础结构）。这个福瑞斯特/梅多斯模型所突出的，不是增长的极限，而是某些特定的模拟的极限。
梅多斯的梦想，同样是福瑞斯特的梦想，是美国中央司令部那些战争博弈者的梦想，是法默和他的预测公司的梦想，也是我的梦想。而这个梦想就是：创造出一个系统。这个系统要能够充分反映出真实的、进化着的世界，使得这个微型模型能够以比真实世界跑得更快的速度进行运转，从而把它的结果投射到未来。我们想要预测机制，不是出于预知命运的使命感，而是为了获得指引。理念上，只有考夫曼或者冯·诺伊曼的机器，才能自行创造出更为复杂的东西。
为了做到这一点，模型就必须拥有"必要的复杂性"。这个术语，是20世纪50年代由控制论专家罗斯·艾希比创造出来的，他最早制作出了一些电子自适应模型。每一个模型，都必须一点一滴地提取出无数现实的细节，汇聚起来压缩成像；它必须浓缩的最重要的特质之一，就是现实的复杂性。艾希比总结了自己那些用真空管造出迷你模型的试验，得出了这样的结论：如果一个模型过于急切地简化了复杂现象，它就会错失目标。模拟的复杂程度，不得超出它所模拟的复杂性的活动领域，否则，模型就跟不上它所模拟的东西的曲折路线。另外一位控制论专家，杰拉尔德·温伯格，在他的著作《论稳定系统的设计》中给这个"必要的复杂性"提供了一个非常贴切的比喻。温伯格提示说，想象一下，一枚制导导弹瞄准了一架敌机。导弹自己并非一定也是一架飞机，但是它必须具备与飞机的飞行行为复杂性旗鼓相当的飞行复杂性。如果这枚导弹不具备至少与目标飞机一样的速度，而且在空气动力学方面的敏捷程度也不如那架目标敌机，那它肯定打不中目标。
22.10舵手是大家
那些以stella为基础的模型，比如说"增长的极限"模型，显而易见过量拥有反馈电路。正如诺伯特·维纳在1952年所指出的，具备各类组合变化的反馈电路，是控制和自我管理的根源。不过，在反馈引发最初的兴奋激情的40年之后，我们现在已经知道，仅有反馈回路是不足以培育出那些我们最感兴趣的活系统行为的。本书提及的研究者们已经发现，要想生成功能齐备的活系统，还必须拥有另外两种类型的复杂性（也许还有别的类型）：分布式存在，以及无止境的进化。
近年来，通过研究复杂系统得出的主要洞见就是：一个系统要想进化成某种新的东西，唯一的途径就是要有一个柔性结构。小蝌蚪可以变成青蛙，而一架747喷气式飞机即使只增加六英寸的长度，也会把它变成残废。这就是为什么分布式存在对具有学习、进化能力的系统如此重要的原因。一个分散化、冗余的组织能够在功能不受影响的前提下收放自如，因此它能够适应。它能够控制变化。我们称之为"成长"。
直接反馈的模型，比如"增长的极限"，能够获得系统稳定----这是生态系统的一个特征，但是它们不能学习，不能成长，也不能变化。而这三个复杂性，是变化中的文化或者生命模型必备的。没有这些能力，世界模型就会远远落在不断运动的现实的后面。学习能力缺位的模型，可以用来预估不远的未来，那时进化的变化很小；但是，要想预测一个进化系统----如果能作口袋式预测的话，就需要这种模拟的人工进化模型包含"必要的复杂性"。
但是，要引入进化和学习，不抽离这个系统的控制是不行的。丹娜·梅多斯在谈及人类集体智慧先行退后去理解全球问题，然后又"插手并改造"人类活动的体系的时候，她指出的是"增长的极限"这个模型最大的错误所在：它那线性、机械、不可行的控制意念。
自我制造系统之外不存在控制。活系统，比如经济、生态和人类文化，无论从哪个位置下手都难加以控制。它们可以被刺激，可以被干扰、可以被哄骗、可以被驱动，充其量也就是可以从内部进行协调。地球上不存在任何一个平台，从那里可以伸出自由之手进入活系统，而且，在活系统的内部也没有理由存在等待拨动的控制拨号盘。大型、群集状态下的系统，比如人类社会的导向，是由一大堆相互联结、自相矛盾的成员控制的。而这些成员，在任何一个时刻，对于整体也就只有那么一丁点的意识。不仅如此，在这个群集系统中，很多活跃的成员根本就不是个体人类智能；它们是公司实体、集团、体制、技术系统，甚至还包括地球本身的那些非生物系统。
有歌云：没人来当家。未来不可测。
现在来听唱片的背面：舵手是大家。而且，我们能够学会预测即将发生的事情。学习就意味着生存。
席奧多·莫迪斯（theodoremodis，1943～）：务分析师、未来学家、物理学家、国际顾问。
0201483408航班：0201483408为《失控》（1994年英文版）的国际标准书号（isbn）。
尼古拉·康德拉基耶夫（nikolaid.kondratieff，1892～1938）：俄罗斯经济学家及统计学家，因提出康德拉季耶夫长波闻名于西方经济学界。
阿诺夫·古儒柏（arnulfgrubler）：英国科学家，国际应用系统分析学会的一名研究员。他在奥地利维也纳理工大学获得博士学位后，先后在意大利里亚斯特（trieste）理论物理国际研究中心等机构任职。
理查德·斯威尼（richardj.sweeney）：博尔顿苏利文/托马斯a.国际金融组织主席。斯威尼教授专长于国内国际金融货币经济学以及国家政策。其当前研究重点在美联储对外汇市场的影响，财政交叉截面分析办法，以及欧盟、美国的立宪提案等。
布莱克·勒巴朗（blakelebaron）：芝加哥大学经济学哲学博士，布兰代斯大学金融学教授，金融理论家。
丹尼斯·梅多斯（dennismeadows，1942～）：美国科学家，美国麻省理工学院斯隆管理学院教授，福瑞斯特的副手。
丹娜·梅多斯（danameadows，1941～2001）：美国开拓型环境科学家、教师和作家，丹尼斯·梅多斯的妻子。与丹尼斯及另外两位合作者共同发布了"增长的极限"。